蘋果、微軟等巨頭107道機器學習面試題

通常性問題

蘋果

假設你面臨着數百萬用戶，每一個用戶有數百筆交易，涉及成千上萬種產品。你如何對這些用戶進行有意義的分類？

微軟

1.請描述一個你參與的項目，講講它有什麼獨特之處。

2.如何用高基數（high-cardinality）處理類別特徵（categorical feature）？

3.如何 summarize 一個 Twitter feed?

4.在應用於機器學習算法以前，清理數據的步驟是什麼？

5.如何測量數據點之間的距離？

6.請定義方差（variance）。

7.請描述箱形圖（box plot）和直方圖（histogram）之間的區別，並舉出用例。

Twitter

你會用哪些 feature 來爲用戶構建一個推薦算法？

Uber

1.選一個你真正喜歡的產品或 app，說說你打算怎麼改進它。

2.如何在分佈（distribution）中找到異常點（anomaly）？

3.若是分佈中的某種特定趨勢是因爲一個異常點，你將如何着手調查？

4.你如何評估 Uber 對交通和駕駛情況的影響？

5.你會用哪些參數來追蹤 Uber 的付費廣告是否真正得到了新客戶？你會用什麼辦法來算出一個理想的新客戶獲取成本？

LinkedIn

大數據工程師，你能解釋一下什麼是 REST 嗎？

機器學習類問題

谷歌

1.你爲何要用特徵選擇？

2.若是兩個預測因子高度相關，對邏輯迴歸係數的影響是什麼？係數的置信區間是多少？

3.高斯混合模型（Gaussian Mixture Model）和 K-Means 的區別是什麼？

4.如何爲 K-Means 拾取 k ？

5.什麼時候應用高斯混合模型？

6.假設一個聚類模型的標籤是已知的，如何評估該模型的性能？

微軟

1.舉一個你自豪的機器學習項目的例子。

2.描述任意一個機器學習算法。

3.描述Gradient Boosting 是如何工做的。

4.數據挖掘：描述一下決策樹模型。

5.數據挖掘：神經網絡是什麼？

6.闡釋一下誤差-方差權衡（Bias-Variance Tradeoff）。

7.如何處理不平衡的二元分類？

8.L1 和 L2 正則化有何不一樣？

Uber

1.你會用什麼 feature 來預測 Uber 司機是否會接受一次乘車請求？你會用什麼有監督學習算法來解決這一問題？如何比較算法的結果？

LinkedIn

2.給出並描述三種不一樣的核函數，及各自的應用條件。

3.描述一種機器學習中使用的方法。

4.如何處理稀疏數據？

IBM

1. 如何防止過擬合？

2. 如何處理數據中的離羣值（outlier）？

3. 與分類模型相比，如何分析迴歸模型的預測性能？

4. 與簡單的線性迴歸模型相比，如何評估邏輯迴歸模型？

5. 有監督學習和無監督學習的區別是什麼？

6. 交叉驗證（cross-validation）是什麼？爲何要使用交叉驗證？

7. 用於評估預測模型的矩陣（matrix）名稱是什麼？

8. 邏輯迴歸係數和比值比（Odds Ratio）之間的關係是什麼？

9. 主成分分析（Principal Component Analysis，PCA）和線性和二次判別分析（Linear & Quadratic Discriminant Analysis ，LDA & QDA）之間的關係是什麼？

10. 若是你有一個分類變量（categorical dependent variable），以及一個混合分類和連續變量（a mixture of categorical and continuous independent variables），你會用什麼算法、方法或工具來進行分析？

11. 商業分析：邏輯和線性迴歸的區別是什麼？如何避免局部極小值（localminima）？

Salesforce

1. 你會使用什麼數據和模型來測量損耗/流失？如何測量模型的性能？

2. 請嘗試對非技術人員解釋一種機器學習算法。

Capital One

1. 如何開發一個預測信用卡詐騙的模型？

2. 如何處理缺失或不良數據？

3. 如何從已有特徵中得出新特徵？

4. 在客戶性別預測中，若是你只有 100 個數據點，你的預測可能會出現什麼問題？

5. 假設已有兩年的交易記錄，你會用哪些特徵來預測信用風險？

6. 請設計一個會下三連棋（Tic-tac-toe）的AI 程序。

Zilow

1. 請解釋一下什麼是過擬合，以及如何避免。

2. 爲何 SVM 須要在支持向量間最大化margin？

Hadoop

Twitter

1. 如何用 Map/Reduce 將大圖形分割成小塊，並根據數據的快速/動態變化並行邊緣計算？

2. 數據工程師：給定一個粉絲list，格式爲：123, 345234, 678345, 123…其中第一列是粉絲 ID，第二列是被粉者 ID。目標是找到全部互粉組（如上例中的 123，345）。當 list 超出內存時，如何使用 Map / Reduce 解決問題？

Capital One

1. 數據工程師：Hadoop 序列化（serialization）是什麼？

Explain a simple Map/Reduce problem.

2. 闡釋一個簡單的 Map / Reduce 問題。

統計和機率問題

谷歌

1. 請向非技術人員解釋交叉驗證（Cross-validation）。

Describe a non-normal probability distribution and how to applyit.

2. 請描述非正態機率分佈（non-normal probability distribution）以及如何應用。

微軟

數據挖掘：什麼是異方差（heteroskedasticity），如何解決？

Twitter

已有 Twitter 用戶數據，如何測量參與度（engagement）？

Uber

1. 時間序列（Time Series）預測技術是什麼？

2. 闡釋主成分分析（PCA）及其使用的方程。

3. 如何解決多重共線性（Multicollinearity）？

4. 請寫出推特和Facebook 上優化廣告費用支出的方程。

Facebook

從一副牌中抽取兩張，同一花色的出現機率是多少？

IBM

p-value 和置信區間是什麼？

Capital One

1. 數據分析師：假設你有 70 顆紅色彈珠，綠色和紅色彈珠的比例是 2 ：7，請問綠色彈珠有多少顆？

2. 紐約市的平常上下班交通數據分佈應該是什麼樣子的？

3. 一個骰子，扔 6 次出現 1 個 6 的概率，與扔 12 次至少出現兩個 6 的概率，以及扔 600 次至少出現 100 次 6 的概率，哪一個最大？

PayPal

中心極限定理（Central Limit Theorem）是什麼，如何證實？有何應用？

編程和算法

谷歌

數據分析師：請寫一個斷定任意二進制樹height 的程序。

微軟

請建立一個檢查某個詞是不是迴文的函數。

Twitter

1. 請構建一個冪集（power set）。

How do you find the median of a very large dataset?

2. 如何在一個巨大的數據集中找到中位數？

Uber

數據工程師：編寫一個計算給定數字平方根（精確到百分位）的函數。而後用緩存機制優化函數，避免冗餘計算。

Facebook

1. 假設有兩個二進制字符串，寫一個將它們加在一塊兒的函數，不使用任何內置的字符串到 int 的轉換或解析工具。例如：若是給你的函數二進制字符串 100 和 111，它應該return 1011。你的解決方案的空間和時間複雜性是怎樣的？

2. 寫一個函數，輸入兩個已排序的 list，在一個排序 list 中輸出其並集。

LinkedIn

1.數據工程師：編寫代碼，肯定一個字符串中的括號是否平衡？

2. 如何在一個二進制搜索樹中找到第二大element？

3. 寫一個函數，輸入兩個排序的向量，輸出一個排序的向量。

4. 面對一個數字流輸入，如何在運行中找到最頻繁出現的數字？

5. 寫一個函數，能夠將一個數字加到另外一個數字上，就像 pow（）函數同樣。

6. 將一個大字符串拆分紅有效字段，存儲在字典中。若是字符串沒法拆分，return 「false」。你的解決方案的複雜性是怎樣的？

Salesforce

1. 查找文檔最經常使用的詞的計算複雜性是什麼？

2. 面對10 TBs 的非結構化客戶數據,如何發現並提取有價值的信息?

Capital One

1.數據工程師：如何「拆散」兩個數列（就像 SQL 中的 JOIN 同樣，只不過是反過來）？

2. 建立一個能夠作添加的函數，數字表示爲兩個linked list。

3. 建立一個計算矩陣和的函數。

4. 如何用 Python 讀取一個很是大的製表符分隔的數字文件，以計算每一個數字出現的頻率？

Paypal

1. 寫一個函數，讓它能在 O（n）時間內讀取一個句子並逆向打印出來。

2. 寫一個函數，輸入一個數列，能夠在O(n) 時間內將其按全部可能性分紅兩列數組，而後打印出這兩個數組之間可能的最大差值。

3. 寫一個執行合併排序的程序。

SQL問題

微軟

1. 數據分析師：定義和解釋彙集索引和非彙集索引之間的不一樣。

2. 數據分析師：return 表的行計數有哪些不一樣的方法？

Facebook

1. 數據工程師：給定一個原始數據表，如何用 SQL 執行 ETL（Extract，Transform，Load）以獲取所需格式的數據？

2. 如何編寫一個 SQL 查詢，計算涉及兩個鏈接的某個肯定屬性的頻率表？若是但願 ORDER BY 或 GROUP BY 某些屬性，須要作哪些變化？如何描述 NULL？

LinkedIn

數據工程師：如何提升 ETL（Extract, Transform, Load）的吞吐量（throughput）？

智力和文字遊戲

谷歌

有 10 包彈珠，每包裏有 10 個彈珠。其中一包和其餘包重量不一樣，若是隻能進行一次稱重，如何找出這一包？

Facebook

1. 你準備坐飛機去西雅圖，想知道要不要帶傘。你給西雅圖的三位朋友分別打電話。每一個朋友都有 2/3 的概率說真話，1/3 的概率在騙你。若是他們都說「會下雨」，西雅圖下雨的機率是多少？

2. 假設有一個等邊三角形，三個角上都有一隻螞蟻，每隻隨機選擇方向，沿着三角形的邊走，那麼這些螞蟻不發生碰撞的概率是多少？若是有 n 只螞蟻在一個有 n 個角的多邊形中，機率又是多少？

3. 在 100 階乘（即 100!）裏有多少個零？

Uber

假設你在一家醫院工做。患者就診的頻率符合泊松分佈（Poisson Distribution），而醫生照顧患者的頻率符合均勻分佈（Uniform Distribution）。請寫一個函數或一段代碼，可以給出患者的平均等待時間和醫生在任意一天所照顧到的患者總數。

LinkedIn

你在爬一個有 n 階臺階的樓梯，你能夠用任何 k 數量的步驟。那麼，到達樓梯頂部有多少不一樣的方式？（這是樓梯問題的修改版）

文章：TinyMind